[发明专利]一种虚拟头像生成方法及装置、存储介质有效

专利信息
申请号: 201910403642.9 申请日: 2019-05-15
公开(公告)号: CN110111246B 公开(公告)日: 2022-02-25
发明(设计)人: 刘庭皓;赵立晨;王权;钱晨 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06T3/00 分类号: G06T3/00;G06T7/11;G06T7/62
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 林祥
地址: 100080 北京市海淀区北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 虚拟 头像 生成 方法 装置 存储 介质
【权利要求书】:

1.一种虚拟头像生成方法,其特征在于,所述方法包括:

在预定义的多个人脸属性分析任务中,确定需要执行的目标任务;所述人脸属性包括以下至少一个分类:发型、胡子、眼镜、眼皮;每个分类下包括至少一个人脸属性参数;

根据所述目标任务对采集的至少包括人脸的目标图像进行人脸属性分析,获得所述目标图像上目标人脸属性所包括的目标人脸属性参数;

根据预定义的人脸属性参数和虚拟头像模版之间的对应关系,确定与所述目标人脸属性参数对应的目标虚拟头像模版;所述目标虚拟头像模板具备与所述目标人脸属性参数对应的特征;

基于所述目标虚拟头像模版在所述目标图像上生成虚拟头像。

2.根据权利要求1所述的方法,其特征在于,所述根据所述目标任务对采集的至少包括人脸的目标图像进行人脸属性分析,获得所述目标图像上目标人脸属性所包括的目标人脸属性参数,包括:

确定与所述目标任务需要分析的目标人脸属性对应的目标神经网络;

将采集的所述目标图像输入所述目标神经网络,获得所述目标神经网络输出的所述目标人脸属性所包括的至少一个人脸属性参数的可能性概率的预估值;

将所述目标神经网络输出的所述预估值的最大值所对应的人脸属性参数,作为所述目标人脸属性参数。

3.根据权利要求2所述的方法, 其特征在于,所述目标人脸属性包括预定义的至少一个分类;

所述将所述目标神经网络输出的所述预估值的最大值所对应的人脸属性参数,作为所述目标人脸属性参数,包括:

将所述目标神经网络输出的所述至少一个分类中所述预估值的最大值所对应的所述人脸属性参数,作为所述至少一个分类分别对应的所述目标人脸属性参数。

4.根据权利要求1-3任一项所述的方法,其特征在于,所述在预定义的多个进行人脸属性分析的任务中,确定需要执行的目标任务之前,所述方法还包括:

对所述目标图像进行仿射变换,得到所述人脸进行转正后的图像;

从所述人脸进行转正后的图像中截取出目标区域的图像,得到目标区域图像;其中,所述目标区域至少包括人脸关键点所在的区域;

所述对采集的至少包括人脸的目标图像进行人脸属性分析,获得所述目标图像所包括的与所述目标任务匹配的目标人脸属性参数,包括:

对所述目标区域图像进行人脸属性分析,获得所述目标区域图像上所述目标人脸属性所包括的所述目标人脸属性参数。

5.根据权利要求4所述的方法,其特征在于,所述目标区域还包括位于所述目标人脸属性所对应的人脸部位外侧的预设面积的区域。

6.根据权利要求2所述的方法,其特征在于,所述目标神经网络包括对应不同的人脸属性的多个子网络;

采用以下方式建立所述目标神经网络:

将预先采集的至少包括人脸的至少一个图像进行仿射变换后,截取出目标区域的图像,得到至少一个样本图像;其中,所述目标区域至少包括人脸关键点所在的区域;

将所述至少一个样本图像作为输入值,将所述至少一个样本图像上已知的与第一人脸属性对应的至少一个人脸属性参数作为输出值,对第一子网络进行训练,得到与所述第一人脸属性对应的所述第一子网络;其中,所述第一人脸属性是预定义的多个人脸属性中的任一个。

7.根据权利要求6所述的方法,其特征在于,所述第一子网络采用残差神经网络的网络结构,且包括至少一个残差单元。

8.根据权利要求7所述的方法,其特征在于,如果所述第一子网络包括多个残差单元,则所述多个残差单元分别包括至少一个卷积层以及至少一个批量归一化层;

其中,所述多个残差单元中的第二残差单元所包括的卷积层的数目和批量归一化层的数目均大于所述多个残差单元中的第一残差单元所包括的所述卷积层的数目和所述批量归一化层的数目。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910403642.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top